Collège

DATA

DAMA, à travers le DMBOK v2, a rassemblé et défini une vue standardisée de l’ensemble des activités et fonctions de Data Management, assortie d’une terminologie et d’un ensemble de bonnes pratiques. Cette vue s'articule autour de l'ensemble des domaines du Data Management et couvre l’ensemble de la connaissance et des pratiques nécessaires pour appréhender et aborder avec confiance la pratique de Data Management : gouvernance, sécurité, architecture, qualité, métadonnées
 

La formation sur les « électifs en data management » propose de faire un tour d’horizon théorique et pratique sur les domaines spécifiques que sont la Gouvernance des données, la gestion de la qualité des données, la gestion des métadonnées ou la modélisation des données et permet d'obtenir les connaissances nécessaires au passage de la certification CDMP niveau Practitioner®.
 

Cette formation consiste en une journée de formation sur une de ces spécialités du Data Management.
 

Cette formation s'appuie sur le cadre de bonnes pratiques du DMBOK (The Data Management Body of Knowledge) et se focalise sur le domaine de la Gouvernance des données, de gestion de la qualité des données, de gestion des métadonnnées ou de la modélisation des données.

Un indispensable pour tous les professionnels souhaitant détenir une spécialité sur un de ces domaines de management des données.

1 250 EUROS

1 JOUR

Dates de formation 2020

Gouvernance des Données

  • 30 septembre

 

Qualité des Données :​

  • 02 juillet

  • 05 novembre

Métadonnées :

  • 26 novembre

Modélisation :​

  • 10 décembre

  • Bonne culture générale sur les Systèmes d'Information et leurs architectures

  • Première expérience sur une thématique du Data Management

  • Membres de Cellule Données

  • Data Analyst / Data Quality Analyst

  • Architecte Données

  • Chief Data Officer

  • Administrateur de référentiels

  • Manager

  • Découvrir et comprendre les concepts clés énoncés  dans le DMBOK v2 relatif à la Gouvernance des données, de la qualité des données, des métadonnées ou de la modélisation des données

  • Se positionner par rapport au cadre de référence

  • Avoir les clés de lecture nécessaires à la mise en place, au pilotage et à l'évaluation d'un dispositif de Gouvernance des données, de gestion de la qualité des données, de gestion des métadonnées ou de la modélisation des données

  • Fournir la connaissance nécessaire au passage du niveau Practitioner de la certification CDMP®

Gestion des métadonnées

Introduction & concepts clés : 

  • Définition, Enjeux et bénéfices, Principes directeurs sur la gestion des métadonnées, Typologie des métadonnées 

  • Glossaire et dictionnaire de données 

 

Activités de gestion des métadonnées : 

  • Définir la stratégie sur les métadonnées, Comprendre les besoins sur les métadonnées, Définir l’architecture des métadonnées, Créer et maintenir les métadonnées, Requêter et analyser les métadonnées 

 

Lineage 

  • Définition, Principaux cas d’usage, Approches du lignage : Business et Technical Focus 

  • Illustrations  

 

Outillage : 

  • Fonctionnalités des outils de gestion des métadonnées : Organisation et stockage des métadonnées, aide au pilotage des processus de gestion du glossaire et dictionnaire, Partage de l’information dans l’entreprise 

  • Fonctionnalités des outils de lignage : Consolider la vue technique et les traitements sur les données, consolider la vue métier et technique, Rapports et analyses 

 

Liens avec les autres pratiques de Data Management : 

  • Lien avec le big data : apport de connaissances pour les data scientists 

  • Lien avec la qualité : centraliser les exigences et les mesures de qualité 

Qualité des Données

Introduction & concepts clés : 

  • Définition de la qualité de la gestion de la qualité  

  • Dimensions de la qualité des données : Etat des lieux des Framework et synthèse du DMBOK, définition, exemple d’exigence et de règle de contrôle associée 

  • Définitions des principaux traitements effectués sur les données pour améliorer leur qualité : Data Profiling, nettoyage, analyse, enrichissement, transformation et standardisation 

 

Objectifs & principes : 

  • Enjeux et bénéfices pour les organisations 

  • Problèmes liés à la qualité des données : situations types et causes racines 

  • Principes constitutifs de la qualité : description des principes à suivre pour réussir une démarche de qualité de données 

 

Approche de gestion de la qualité : 

  • Explication du cycle d’amélioration de la qualité des données – Roue de Deming : début d’un nouveau cycle, planifier, réaliser, vérifier et ajuster 

 

Activités de gestion de la qualité : 

  • Définition de la stratégie de qualité de données 

  • Identification des données critiques  

  • Audit de la qualité des données 

  • Identification et priorisation des améliorations 

  • Mise en place des opérations de qualité 

 

Facteur clés de succès & risques : 

  • Adéquation de l’organisation au prérequis de déploiement d’une démarche de mise en qualité et risques associées aux prérequis 

 

Outils de gestion de la qualité : 

  • Fonctionnalités types : Supervision de la qualité, mise en qualité, analyse et intégration des données de qualité

Gouvernance des Données

Gouvernance des données - Fondamentaux : 

  • Raison d'être ;

  • Gouvernance des données et Management des données vs. Management du SI ;

  • Caractéristiques et principes constitutifs : politiques, Modèle Opérationnel, Modèle de rôles, Comitologie,

 

Activités, outils et indicateurs : 

  • Description des activités de déploiement d’un programme de gouvernance des données ; 

  • Exemple d’indicateurs et de Tableau de Bord ;

  • Exemple d'outils pour faciliter la mise en place des processus afférents à la gouvernance des données.

 

Liens avec les autres domaines du Data Management : 

  • Lien avec la gestion des métadonnées, de la qualité des données, de la sécurité, des données de référence

 

Ethique : 

  • Définition, modèle de risques éthique et socialement responsable 

 

Modèle de maturité : 

  • Définition, évaluation de l’état des pratiques de gestion des données 

Modélisation des données

Introduction :

  • But et enjeux de la modélisation des données

 

Schéma de modélisation des données : 

  • Définition de schéma relationnel, dimensionnel, objet, basé sur les faits, basé sur le temps & NoSQL

 

Modèle conceptuel, logique et physique de données : 

  • Concepts manipulés à chacune des couches de modélisation (entités, relations, attributs, etc …)

 

Démarche de modélisation : 

  • Planifier la modélisation, construire le MCD, le MLD et le MPD, revoir & maintenir les modèles de données

 

Lien avec les autres domaines du Data Management : 

  • Lien avec l’architecture des données, la gestion des métadonnées et l’intégration et l’interopérabilité des données

 

Bonnes pratiques et outillages : 

  • Principe PRISM, normes de modélisation et catégorie d’outil permettant la modélisation des données

MODALITÉS DE FORMATION

Nos formateurs sont des consultants "terrain" experts dans leur domaine, maitrisant les concepts et ayant une forte expérience dans des contextes métier variés.

 

Nos formations allient apports théoriques, exercices de mise en pratique, partage d'expérience et échanges sur le contexte des participants.

Nous vérifions la bonne appropriation des connaissances tout au long de la formation au travers des exercices pratiques et évaluons la satisfaction des participants à la fin de chaque formation.

Nous privilégions des sessions de formation avec un maximum de 10 participants.